舰艇武器布置问题的一种协同优化算法

针对舰艇武器布置问题的特点,提出了一种基于粒子群优化和分类器系统的协同优化算法,以粒子群优化进行优化计算,用分类器系统消除约束.计算实例表明,该算法能较好地实现优化计算,并能节省大量的计算时间.     

基于CE-QPSO算法的联合火力打击方案智能优化方法

针对联合火力打击方案优化“既快又精”需求难题,设计了CE-QPSO算法,提出了基于该算法的联合火力打击方案智能优化方法。该算法充分结合了交叉熵算法良好的全局寻优能力和量子粒子群算法高效运行的特点,通过构建离散概率矩阵,使粒子的不确定性运动更具方向性,提高了粒子的协同寻优能力。实验结果表明：基于该算法的联合火力打击方案智能优化方法能够有效提升联合火力打击方案的优化效果和优化效率,且相比于标准交叉熵算法和标准量子粒子群优化算法具有明显优势。     

基于二分粒子群优化的阵列天线方向图综合

在阵列方向图综合中,粒子群优化技术通过简单的算法就可以达到很好的综合效果.然而基本的粒子群算法存在易于陷入局域最优值、迭代次数大的缺点,针对这些缺点,提出了一种新的算法——二分粒子群优化算法.该算法利用基本粒子群算法中的随机因素将其下一代的粒子分裂为2个粒子,在这2个粒子中选优处理.仿真结果表明,改进算法改善了基本粒子群算法容易收敛到局域最优值和迭代次数大的缺点,在阵列方向图的综合中取得了良好的效果.     

面向多平台多目标协同跟踪的指派问题

针对多平台多目标协同跟踪中要求多个无人地面平台尽可能均匀地协同跟踪多个目标的特点,提出了改进的离散粒子群优化算法。首先采用连续型粒子群优化算法中的速度和位置迭代公式,然后对粒子位置进行离散编码,使粒子编码对应于可行的指派方案;其次,在优化算法中引入局部搜索,提高算法寻优性能。最后将所提算法应用于多平台多目标协同跟踪中的指派问题,并与未加入局部搜索的粒子群优化算法比较,仿真结果表明,加入局部搜索后的离散粒子群优化算法具有较好的寻优性能。     

一种基于多组PSO的支持向量机参数优化算法

支持向量机具有优良的学习能力和推广能力,然而其性能依赖于算法参数的选取.在粒子群优化算法的基础上,提出了一种基于多组粒子群优化的支持向量机参数优化算法,该算法将各粒子自动分成多个组,能较快地在支持向量机算法参数取值范围内搜索到相应数据的算法最优参数和最优性能.     

一类模糊多目标双矩阵对策的粒子群优化算法

针对一类具有模糊目标的多目标双矩阵对策给出了基于粒子群优化的求解算法.讨论了当模糊目标的隶属函数是线性函数时纳什均衡解的判定定理;构造的粒子群优化算法,通过随机初始点以及迭代粒子的归一化,保证粒子群始终保持在时策的可行策略空间内,避免了在随机搜索中产生无效的粒子,提高了用粒子群优化算法求解纳什均衡解的计算性能.给出的一个数值算例验证了该算法的有效性.     

基于粒子群优化算法的低空突防航迹规划

本文提出了运用粒子群优化算法来对飞机低空突防进行航迹规划的方法。首先,说明了飞机突防需要满足的物理限制和战术要求。其次,根据低空突防航迹规划约束多,计算复杂的特点引入粒子群优化算法,并且对其进行简要的介绍。应用粒子群优化算法对低空突防战术进行航迹规划。最后实验结果表明,该方法能够对飞机低空突防过程规划出可行的飞行航迹。     

基于粒子群算法的多基地雷达优化布站方法

为提高多基地雷达探测及"四抗"能力,提出了一种基于混沌变异粒子群算法的多基地雷达优化布站方法.定性分析了多基地雷达的布站原则,并对其量化,建立了优化布站的数学模型.为加快求解速度,结合混沌理论对标准粒子群算法进行了改进,给出了混沌变异粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速有效得出多基地雷达优化布站方案.     

模糊Petri网的自适应粒子群优化方法研究

模糊Petri网对专家知识库的模糊规则具有较强的表达能力,但其缺乏学习能力使得模型参数的确定较为困难,针对此问题提出一种适合于模糊Petri网参数确定的自适应粒子群优化算法。分析了模糊Petri网对专家知识库的模糊规则建模方法;研究了粒子群优化算法及其各种改进算法;在此基础上,提出适合于模糊Petri网参数确定的自适应粒子群优化算法。最后,以无向网络可靠性估计为例,通过实例分析并与基本粒子群优化算法进行比较,证明了所提方法的有效性和优越性。     

基于粒子群优化算法的复杂系统可靠性分配与优化

为了能快速获得费用最小约束条件下的复杂系统可靠性优化分配结果,在对可靠性成本函数及可靠性数据分析研究的基础上,选择了一种工程上易于获取的三参数可靠性成本函数模型作为可靠性优化分配模型;在此基础上,研究了粒子群优化算法的参数选择方法,提出了一种适合于复杂系统可靠性分配的改进型粒子群优化算法--变加速系数的粒子群优化算法,...     

战场环境下无人车辆战术机动路径规划方法

针对不同类型威胁体存在的战场环境中无人车辆战术机动路径规划问题,提出了一种基于威胁代价地图的粒子群优化（Particle Swarm Optimization,PSO）方法。借助极坐标系中关键点的极角进行路径描述,并使用分段3次Hermite插值方法形成光滑路径,将路径规划问题转化为关键点极角的参数优化问题。针对基本PSO（BPSO）算法存在的早熟收敛和后期迭代效率低的缺陷,借鉴以群集方式生活的物种按照不同任务对种群进行分工的机制,提出了一种基于多任务子群协同的改进粒子群优化（Particle Swarm Optimization based on the Multi—tasking Subpopu—lation Cooperation,PSO-MSC）算法。借助该算法的快速收敛和全局寻优特性实现了最优路径规划。实验结果表明：该算法可以快速有效地实现战场环境下无人车辆的战术机动路径规划,且规划路径安全、平滑。     

基于合作博弈的智能集群自主聚集研究

智能集群是指由大量智能体构成、采用自组织策略协作完成任务的群体。以无人车集群系统协同监视再入体着靶过程为任务背景,开展智能集群自组织策略的关键技术研究。设计了无人车集群执行再入体着靶协同监视的集群行为模式,提出了基于合作博弈的智能集群自组织策略,各智能体以实现群体聚集为“合作目标”,以降低自身能量消耗为“竞争目标”,开展博弈,基于微粒群算法规划局部路径,最终使群体系统涌现出聚集行为。仿真实验验证了设计的自主聚集策略的有效性。     

基于改进粒子群算法的自动机性能评估

由于自行高炮自动机状态监测中缺乏行之有效的机构性能评估手段,引入了改进粒子群算法。建立了自动机动力学模型,对后坐过程进行了动力学仿真,确定了反映机构性能的浮动曲线特征量。针对粒子群算法收敛速度慢、精度低等缺陷,对其进行改进,并结合曲线特征量对自动机性能参数进行了评估。结果表明:改进后粒子群算法的算法收敛性和结果精度都有明显的改善,有效实现了自动机的性能参数评估。     

无人机协同攻击的混合粒子群算法

针对协同空战中多目标的攻击问题,综合考虑杀伤概率、毁伤率、战役价值3个因素,分别制定评价函数.采用线型加权的方法,确定总的代价函数.使用混合粒子群算法(Heuristic Particle Swarm Optimization, HPSO)优化攻击分配方案,找到使我方以最小代价获得胜利的分配方案.最后仿真,3架我机对阵8架敌机,分析了8种不同的交叉变异策略对攻击分配结果的影响,并与蚁群算法进行比较,在代价函数基本不变的前提下,速度提高了近10倍,表明了采用HPSO算法优化攻击分配方案的快速性和正确性.     

时空积分及粒子群优化算法的目标被动定位方法

目标运动分析是武器控制的基础,研究了可用于目标被动定位的时空积分方法,建立了该方法求解目标运动参数的理论模型,采用粒子群优化算法对时空积分谱进行优化处理以获得目标参数的最优解,海上试验数据处理结果表明该方法能够得到稳定有效的解.     

面向两类典型分析仿真的多样本任务调度工具的设计

当在多台计算机上调度很多样本并行运行时,采用手工操作效率低且极易出错。设计一个自动化的任务分发与调度工具可以有效地提高仿真运行效率。蒙特卡罗仿真和粒子群优化算法仿真是两类典型的分析仿真,介绍了面向这两类仿真的多样本任务调度工具的实现原理和关键技术,这些方法具有很好的通用性和可扩展性,可以广泛应用于解决各类仿真任务的自动分发与调度问题。     

基于最大后验概率候选集更换法的多故障诊断策略研究

给出了一种基于最大后验概率候选集更换法的多故障诊断策略,并深入阐述了基于最大后验概率候选集更换法的形式化描述,分析了对单故障诊断和多故障诊断的计算模型,提出了基本的故障诊断算法——改进二进制粒子群算法,并对抽象实例进行验证,结果表明,采用改进BPSO算法能有效地求解基于最大后验概率候选集更换法的多故障诊断问题。     

基于QPSO算法的支持向量机参数优化研究

应用具有量子行为的粒子群优化算法,对支持向量（SVM）进行参数优化研究．根据支持向量机的分类准确率和泛化能力之间的关系,应用QPSO算法选取比较优秀的参数模型,比较参数模型的各项性能,选取最适合实际需要的参数模型．仿真表明,QPSO算法的SVM模型与PSO算法相比在分类准确率和泛化能力上均获得更好的效果,经QPSO优化后的SVM整体性能明显提高．     

基于粒子群优化的模糊交通控制器设计

城市中存在着一些关键路口,其交通通畅与否会对周围路网的交通流起着很大的影响,这些路口需要优先保持通畅.针对此情况,设计了基于上下游交通信息的二级模糊交通控制器来对路网进行协调控制.在此基础上,提出了针对交通特性改进的粒子群优化算法（TIPSO）,并采用TIPSO对第一级模糊规则进行优化,实验结果表明TIPSO对模糊规则具有较好的优化效果,能够离线训练,获取到比人工设定的更优的模糊规则.